边缘检测技术在图像分割中的应用
摘要： 软计算是包括模糊逻辑，神经系统计算和演变计算的全部元素的一个涌现的领域 软计算的技术得到宽领域的应用。 其中一种最重要的应用是图象分割的边缘检测。该过程把数字图像分割成多个区域的像素集称为图像分割。。 边缘是在二个同类的地区之间的变化。 边缘检测是指识别和定位图像中的明显的不连续性的过程。本文的主要目的是研究对图像的边缘检测采用软计算方法的模糊逻辑的分割理论，遗传算法和神经网络。
关键字：Terms—Image分割，边缘检测，模糊逻辑学，基因算法，神经网络。
一 介绍
图像分割是分割成多个区域或像素设置一个数字图像处理[1] [3] [27]。其实，在图像分割是不同的对象有相同的纹理或颜色。图象分割的结果是共同包括整个图象的一套地区，或者一套等高提取从这图象。 所有映象点在区域是相似的关于某一特征或计算物产，例如颜色、强度或者纹理。 毗邻地区是较大不同关于同样特征。边缘检测是其中一个在数字式图象处理的常常地半新技术[27]。 对象表面界限在场面的经常导致在图象的强度的上针对的地方化的变化，称边缘。 这观察与共同地怀有的信仰在图象处理结合了边缘检测是在图象分割的第一步，给一次长的查寻加油一种好边缘检测算法使用[13]。在此搜索构成水平低视力的研究的主要领域，并导致源源不断的边毕业论文http://www.751com.cn/ 缘检测算法在图像处理出版刊物，在过去20年。即使最近，新的边缘检测算法，每年出版。本文分析了最近的一些软计算方法为分割边缘检测。
第一种方法，模糊逻辑在逻辑推理[1]包括不确定性。 它在许多方面被申请了于图象处理[19]。 即分割瞄准划分映象点成相似的区域酥脆集合[4]。 模糊的分割反过来划分映象点成不分明集即每个映象点也许部分属于许多集合和地区图像 [3] [25]。
第二种方法，神经网络是计算机算法被启发的原文请找腾讯324.9114信息顺便说一句被处理在神经系统。 在神经网络和其他AI技术之间的一个重要区别是他们的能力学会。 网络”学习”通过调整互联(叫重量)在层数之间。 当网络充分地被训练时，能推断一套的相关的产品输入数据。 神经网络可贵的物产是那概念化，
通常一个训练的神经网络能提供一正确匹配以输出数据的形式为一套以前未看见的输入数据。 典型学会发生通过例子通过训练，训练算法重复调整连接重量[2] [24]。
第三种方法，基因算法从演变理论获得。 他们在1975年被介绍了由约翰荷兰和他的队作为一种高度并行查找算法。 以后，他们主要使用了作为优化设备。 根据演变理论，在人口之内个体只好适应他们的环境可能生存和传送他们的一些字符给他们的后裔。 GA被用于解决在数字式图象处理的各种各样的问题，包括图象分割[14] [23]。
本文组织如下。第二部分是为了提供一些信息的图像分割边缘检测的目的。第三节集中展示不同的软计算方法边缘检测，并就各种边缘检测方法的比较集中。第四节介绍结论
二。分割的图像边缘检测
边缘检测技术变换的图像边缘图像从图像中灰色色调的变化中获益。边是缺乏连续性的迹象，由于这一转变的结果，边缘图像中没有遇到的主要图像的物理性质得到任何改变[11] [25]。对象包括不同的颜色层次多件。在接受不同的灰度级图像，尽管在该对象的灰度水平明显变化，图像的形状可以有所区别，如图1。1980